基于Context模型和SPIHT算法的小波ECG信号压缩.pdfVIP

摘 要 随着现代化医疗设备的增加，医学数据量激增。为了减少存储量和有利于 数据传输，需要对原始数据进行压缩而不损失诊断信息。特别是随着计算机在 心脏病诊断，监护等领域的广泛应用和心电图数量的日益增长，数据压缩技术 自本世纪六十年代开始应用于心电图领域，并不断得到发展。ECG数据压缩可 减少传送ECG数据所需的信道带宽和传送时间，减小用于存贮ECG数据的空 间。 本论文在SPIHT算法的基础上，通过合理分配比特、改进零树集合、完善 分类策略等措施，提出了一种新嵌入零树小波ECG信号压缩编码算法 (本文中 简称为改进的SPIHT算法)。算法首先将ECG数据进行离散小波变换;其次， 对离散小波变换后的系数进行均匀量化:最后用基于上下文的自适应算术编码 对量化后的系数进行编码。 仿真结果显示，本文算法压缩比大，信息损失小，能够较好的恢复原有的 信号。 关键词:离散小波变换，ECG数据压缩，context模型，自适应算术编码 Abstract Theincreasingofmodernmedicalequipmentleadstotheexplosionofthe quantityofmedicaldata.Inordertodecreasethequantityofmemoryneeded,we havetocompresstheoriginaldata,whilethediagnoseinformationcantbedamaged- Withthecomputers,extensiveapplicationinthefieldofheartdiseasesdiagnosisand patientmonitoring,datacompressiontechnologybegantofinditsapplicationon ECGdataat1960s.ECGdatacompressioncandecreasethechannelbandwidthused totransmitthedataandthememoryconsumedtostorethedata. Inthisthesis,anewembeddedzerotreewaveletECGsignalcompression codingalgorithmbasedontheSPIHTalgorithmisproposed.Firstly,theECGdata willbediscretewavelettransformed.Secondly,thecoefficientsofthediscrete wavelettransformwillbeuniformlyquantized.Atlast,thequantizedcoefficients willbecodedbyacontextbasedadaptivearithmeticcoder. Simulationresultsshow thatthisisanefficientcompressionmethod characterizedbylargercompressionratioandlesslossandtheoriginalsignalcanbe recoveredwell. KEYWORDS:discretewavelettransform,ECGdatacompression,contextmodel adaptivearithmeticcoder 第一章 概 述 第一章 概 述 1.1研究的目的和意义 数据压缩就是以最少的数据量表示信源所发的信号，减少容纳给定消息集合 或数据采样集合的信号空间。然而随着现代化医疗设备的增加，医学数据量激增。 为了减少存储量和有利于数据传输，需要对原始数据进行压缩而不损失诊断信 息。特别是随着计算机在心脏病诊断，监护等领域的广泛应用和心电图数量的日 益增长，数据压缩技术自本世纪六十年代开始应用于心电图领域，并不断得到发 展。心电数据，特别是动态心电数据压缩方法和技术的研究己弓I起了普遍的关注， 实现心电数据的压缩，对心电数据的处理、储存和传输等方面都具有非常重要的 实际意义、。。